文献

J-GLOBAL ID：202202214771091517   整理番号：22A1036633

機械学習アルゴリズムに基づくクロスボーダーeコマースロジスティックスサービスシステムの構築に関する研究【JST・京大機械翻訳】

Research on the Construction of Crossborder e-Commerce Logistics Service System Based on Machine Learning Algorithms

著者 (2件)： Xu Jinbo (School of Foreign Studies, Yiwu Industrial & Commercial College, Yiwu, Zhejiang 322000, China) ,  Mu Shibiao (School of Electro-Mechanical and Information Technology, Yiwu Industrial & Commercial College, Yiwu, Zhejiang 322000, China)
資料名： Discrete Dynamics in Nature and Society  (Discrete Dynamics in Nature and Society)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2228A  ISSN： 1026-0226  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 機械学習アルゴリズムに基づいて,本論文は交差順序e-コマースロジスティックスサービスシステム推薦アルゴリズムを設計した。最初に,著者らは質問推薦の意味を導入して,e-コマースプラットフォームショッピング検索の機構を解析して,この基底に関して質問推薦プロセスを再設計して,この問題のためにMarkov決定プロセスモデルを確立して,深い機械学習アルゴリズムを通して最適推薦戦略を解明した。第2に,著者らは単純な計算用例を設計して,シミュレーションショッピング環境を通してPythonプログラミングを使用して,全体のプロセスにおける最適推薦戦略の解法プロセスを与えて,アルゴリズムの実現可能性を証明した。感情合成単語ベクトルをテキストの入力データ構造として使用し,機械学習における畳込みニューラルネットワークモデルと再帰ニューラルネットワークモデルを独立して設計し,構築し,シャントを提案した。規則(shunt)は,データを判断して,2つの機械学習ネットワークを入力する操作を実現する。シャントは,畳み込みニューラルネットワークの局所的特徴キャラクタリゼーションの利点と再帰ニューラルネットワークのタイミング特性の組合せを完全に実現し,より効率的で正確な電気システムを達成する。最後に,シミュレーション実験を通して,データ異常値洗浄,データ変数のスライディングウィンドウ構築特性,および訓練セットと試験セット分割のような一連のデータ処理作業を設計して,回帰予測問題を分類問題に変換して,商品需要を予測した。同時に,時系列モデル,ランダム森林モデル,GBDT,単一Xgboostモデル,およびこのトピックで用いたモデルの効果を比較し,この差異の理由と各モデルの適用を分析した。Copyright 2022 Jinbo Xu and Shibiao Mu. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  シミュレーション ,  ベクトル ,  計算機プログラミング ,  ネットワーク ,  ニューラルネットワーク ,  データ処理 ,  異常値 ,  単語 ,  *機械学習 ,  *学習アルゴリズム ,  *電子商取引
準シソーラス用語： スライディングウィンドウ ,  Python ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (24件)：

• J. Li, T. Wang, Z. Chen, "Machine learning algorithm generated sales prediction for inventory optimization in cross-border E-commerce," International Journal of Frontiers in Engineering Technology, vol. 11, no. 3, pp. 23-25, 2019.
• Z. Qin, "Research on cross-border E-commerce third-party logistics model based on machine learning algorithm," Solid State Technology, vol. 64, no. 1, pp. 1454-1461, 2021.
• S. Ren, T.-M. Choi, K.-M. Lee, L. Lin, "Intelligent service capacity allocation for cross-border-E-commerce related third-party-forwarding logistics operations: a deep learning approach," Transportation Research Part E: Logistics and Transportation Review, vol. 134, 2020.
• Y. Yang, "Research on the optimization of the supplier intelligent management system for cross-border e-commerce platforms based on machine learning," Information Systems and E-Business Management, vol. 18, no. 4, pp. 851-870, 2020.
• C. W. Lu, G. H. Lin, T. J. Wu, I.-H. Hu, Y.-C. Chang, "Influencing factors of cross-border E-commerce consumer purchase intention based on wireless network and machine learning," Security and Communication Networks, vol. 2021, 2021.

タイトルに関連する用語 (6件)： 機械学習 ,  アルゴリズム ,  ボーダー ,  Eコマース ,  構築 ,  研究